CLOVA Studio 운영자

안녕하세요, @ATS님, 작업해주신 대화의 내용을 살펴봤는데, ???의 아이덴티티에 대한 정의가 없어서, 어떤 답변을 내뱉어야 하는지 기준이 모호한거 같습니다. ▼ 아래와 같이 지시문에 아이덴티티에 해당하는 내용을 적어주고, temperature를 낮추면, 원하는 형태의 작업이 가능할 것으로 보입니다. 언어 모델은 프롬프트를 바탕으로 다음에 나올 단어를 예측하면서 생성하는 원리이며, 무엇인가를 기억한다고 100% 보장하기가 어려우며, 대화가 쌓여갈수록 가장 앞에 입력한 프롬프트의 영향에서 멀어질 수 있다는 특성에 대해서 알아두시면 좋을것 같습니다. 감사합니다.

안녕하세요, @알아가는중입니다님. 1. 기존에 이용하시던 하이퍼클로바 모델을 그대로 유지하며, 업그레이드 된 하이퍼클로바X 모델도 추가될 예정입니다. 2. 네, 맞습니다. 하이퍼클로바X 모델을 이용하여, 대화형 작업을 진행하실 수 있습니다.

※ 본 포스팅은 하이퍼클로바 언어모델에 대한 내용입니다. 하이퍼클로바 언어 모델을 공개한 이후 터득해 온 저희의 여러 가지 프롬프트 노하우를 알려드리겠습니다. 1. 프롬프트의 예제를 다양하게 구성하세요. 프롬프트의 유형은 크게 세 가지가 있습니다. 예제를 구성하지않고 요청하는 zero-shot 프롬프트, 하나의 예제로 구성하는 one-shot 프롬프트, 여러 개의 예제로 구성하는 few-shot 프롬프트가 있습니다. 우리는 이것을 In-context learning이라고 부릅니다. 적절한 예제의 개수는 작업에 따라 달라질 수 있으며, 모델이 잘 이해하는 작업의 경우 3~4개의 예제만 넣어도 잘 수행합니다. 프롬프트에 예제를 몇 개나 넣어야 하는지 궁금해하시는 분들이 많이 계시는데요. ▼ 예제는 무조건 많이 넣어주기보다는 모델이 다양한 케이스에 대한 패턴을 파악할 수 있도록 구성하는 것이 효과적입니다. 원하는 결과가 나오지 않을 때는 예제를 다시 점검해보고 모델에게 정확히 가르쳐주세요. 2. 모델이 출력할 항목을 정확히 지정하세요. 모델이 출력할 결과에 대한 항목을 정확히 지정하는 것이 도움이 될 수 있습니다. ▼ 예를 들어, [항목:] 또는 {검정 분류}와 같은 형식을 말합니다. 이 방법은 튜닝을 위해서 데이터셋 구축하는 데에도 유용하게 쓰일 수 있습니다. 3. 컨텍스트 정보를 활용해보세요. 계절감 ▼ 계절감 있는 출력결과가 나오게 하고 싶으면, 예제에 날짜나 시즌 어휘를 추가해주세요. 초대규모 언어모델은 학습된 날짜까지만 답을 할 수 있으며, 오늘 날짜와 현재 시간은 어떤지 현실 세계와의 연결이 되어있지 않습니다. 시간축을 넣는 것으로 모델에게 시간에 대한 힌트를 줄 수 있습니다. 단, 시즌, 계절감 처럼 넓은 범위의 기간 형태로 쓰일 수 있을 것이며, 정확한 시간을 기준으로 연산에는 부정확할 수 있습니다. 대상자 지정 ▼ 대상자를 지정해두는 것이 좋을 수도 있습니다. 대상자를 넣어줌으로써 대상자를 정확히 인식하면서 문장의 목적을 구체화 시키는 것이죠. 이외에도 컨텍스트 정보는 다양하게 활용할 수 있습니다. 4. 지시문을 넣어주세요. ▼ 프롬프트 앞에 명료하게 지시문을 적어주면 작업의 성능이 향상될 수 있습니다. ▼ 지시문은 최대한 쉽게 풀어서 단순하고 명료하게 작성해 주세요. ▼ 그리고 지시문을 쓸 때 예제 항목에 쓰인 단어를 함께 넣어서 연관성을 높여보세요. 지시문과 항목의 관계성을 높이는 것이죠. 단, 지시문은 복잡한 조건을 보장하지 않기 때문에, 여러 개의 복잡한 조건을 거는 것은 효과적이지 않을 수 있습니다. 5. 지시문에는 부정문보다 긍정문을 사용해주세요. 부정문보다는 긍정문을 사용해보세요. “정중하지 않게 쓰지 않습니다.”보다는 “정중하게 씁니다”, “길지 않게 설명합니다.”보다는 “짧게 설명합니다.”와 같이 최대한 풀어서 설명해서 명료해지는 것이죠. 언어모델은 기본적으로 생성해 내려는 특성이 있다보니, ‘~하지 마세요’처럼 제한을 거는 것 보다는, 긍정적인 방향으로 허용하는 형태가 나을 수 있습니다. 6. 지시문과 예제를 섞어보세요 지시문이랑 예제를 어우러질 수 있도록 하는 것이 효과적일 수 있습니다. 예제를 나열하면서 시퀀적인 패턴으로 인식하게 하는 것보다는 독립적인 구성이 될 수 있도록 하는 것이죠. 7. 단조로운 예제를 바꾸어보세요. 예제가 단조로우면, 실행 결과도 단조로울 수 있습니다. 이때는 Temperature를 아무리 높여도, 문장의 창의성이 더해지지는 않아요. ▼ 상품 큐레이션에 사용할 수 있을만한 감도 깊은 광고 카피들로 구성하면, 언어 모델이 생성하는 결과의 품질이 달라집니다. 8. 키워드로 모델에 변수를 부여해보세요. ‘키워드’에 어떤 분위기나, 단어를 지시함으로써, 더욱 원하는 느낌의 결과가 나오게 할 수 있습니다. 이런 방법을 가지고, 모델을 통제하고 제어할 수 있기도 합니다. 이때 키워드는 아무 키워드나 쓰지 않고, 키워드와 문구를 어느정도 매핑시키는 형태로 예제를 구성하는 것이 좋습니다. 9. 낯설게, 불편하게 조합해보세요. 어울릴 거 같지 않은 두 단어를 조합해 보세요. 새로운 조합을 통해 참신하고 주목도가 높은 문장이 만들어질 수 있습니다. AI는 기계적인 학습을 통해 언어를 이해하고 생성하기 때문에, 사람처럼 감정을 직접 체험하거나 경험할 수는 없습니다. 하지만 한국어에 특화된 하이퍼클로바 언어모델은 언어 데이터에서 아주 섬세한 감성적인 뉘앙스를 파악하고, 단어와 단어 상의 관계성이나, 문맥, 어조를 고려해서, 문장을 만들어 낸다는 특징이자 강점이 있습니다. 하이퍼클로바 언어 모델은 이러한 부분에서 여타 AI에 비해 전혀 밀리지 않고 있습니다. 이외에도 프롬프트를 다룰 수 있는 다양한 노하우가 존재합니다. 여러분의 프롬프트 노하우는 무엇인가요? 하이퍼클로바 노하우는 여기서 마무리하도록 하겠습니다. 곧 안내드릴 하이퍼클로바X 모델의 활용 팁도 기대해주세요!

※이번 포스팅은 다음 논문에서 영감을 받아 작성되었습니다. L. Reynolds, K. McDonell. Multiversal views on language models. (2021). https://arxiv.org/pdf/2102.06391.pdf 하이퍼클로바, 확률 기반 모델 하이퍼클로바 언어 모델은 주어진 문장을 분석하고, 다음 단어나 토큰을 예측하도록 학습되었습니다. 언어 모델이 토큰을 선택하는 근거는 주어진 문맥과 확률에 기반합니다. 주어진 입력 문장의 이전 텍스트를 통해 가장 적절한 다음 토큰을 예측하는 것이죠. 이렇듯 언어 모델은 왼쪽에서 오른쪽으로 흘러가며 토큰을 선택하는 모습을 보이고 있습니다. 이 과정에서 언어 모델은 하이퍼 파라미터와 같은 미세 조정을 통해 선택이 달라질 수 있습니다. ▼ 여기 문장이 하나 있습니다. ‘너의 밤은 낮보다 아름답다.’라고 무드등이 주는 분위기를 살려서 감성적인 카피를 작성했습니다. ▼ ‘너의’ 단어 뒤에 ‘밤’이라는 단어가 선택된 것인데요. ‘밤’ 이외의 다른 후보들이 있었는지 살펴볼까요? ▲ 후보 토큰을 살펴보니, 마음, 방, 공간, 꿈, 우주 등 여러 대안 후보가 존재했습니다. 그럼 만약 하이퍼클로바 언어모델이 다른 토큰을 선택했다면, 어떤 문장이 만들어질까요? ▼ 다른 단어로 대체하여 실행해 보았습니다. 비슷한 분위기의 문장이지만 각기 다른 방식으로 표현하고 있죠. 다양한 가짓수의 가능성 언어 모델은 어떤 토큰을 선택하는지에 따라 다른 가지의 경로를 만들어 낼 수 있습니다. 우리의 선택으로 다양한 가짓수의 미래가 만들어지듯이 말이죠. ▼ 아래는 돛단배, 바람, 푸른 달을 가지고 만들어진 장면에 대한 묘사입니다. 다양한 가능성이 존재하는 확률적 세계에서 이 문장은 어떤 표현으로도 묘사가 될 수 있을까요? 다차원을 탐험하는 타임머신이 되듯이 다른 토큰을 선택하면서, 문장을 만들어보았습니다. ▼ 아래는 '너머'의 다른 대안 후보들입니다. ▼ 토큰을 하나씩 바꿔가면서 실행해보았습니다. 제시된 세 가지 키워드(돛단배, 바람, 푸른 달)를 어떻게든 포함시키는 형태로 다른 방식으로 문장을 써내려갑니다. 모델이 가장 적절한 토큰을 선택하는 과정 자체를 학습에 이용하면 어떻게 될까요? 더 나아가 토큰 단위가 아니라, 문장 단위로 평가를 해나가면 어떨까요? 좋은 문장을 선택하는 능력을 갖추게 된 언어 모델은 지금보다 훨씬 향상된 스토리텔링 능력을 갖추게 되지 않을까요? ToT(Tree of Thoughts) 실제로 최근 ToT(Tree of Thoughts)라는 방법론이 공개되었습니다. 여러개의 응답을 생성한 뒤, 각 답변에 점수를 부여하고, 이 과정을 반복하면서 가장 높은 점수를 갖고 있는 결과를 낼 수 있도록 학습한 것이죠. 확률적으로 탐색을 진행하는 점에서 Monte Carlo tree search (MCTS)와도 유사합니다. 논문에 따르면 이전보다 크게 향상된 문제 해결 능력을 갖추게 되었다고 합니다. S.Yao, D. Yu, J. Zhao, I. Shafran, T. Griffiths, Y. Cao, K. NarasimhanTree of Thoughts: Deliberate Problem Solving with Large Language Models. (2023). https://arxiv.org/pdf/2305.10601.pdf 이러한 방법론은 시나리오 생성 및 창의적인 글쓰기 등에서도 활용할 수 있지 않을까요? 확률적으로 생성하는 것이 그대의 운명이라면, 하이퍼클로바 언어 모델, 어쩌면 글을 써내려갈 수 밖에 없는 운명이라고 불리울 수 있습니다. 그것이 운명이라면 가장 최선의 선택을 하고 좋은 방향으로 흘러갈 수 있도록 지속적으로 탐구를 해야겠습니다. 이상, 탐구를 마치며 다음에도 유용한 포스팅으로 찾아오겠습니다!

안녕하세요, @twc 님, 아래 API 가이드 참고 부탁드리며, 진행하시다가 문의사항이 있다면 또 알려주세요. API 가이드: https://api.ncloud-docs.com/docs/ai-naver-clovastudio-summary 감사합니다.

안녕하세요, @wyatt님, 첨부해주신 사례의 경우에는 프롬프트로 편지를 읽어주는 형태로 예제를 구성하시거나, 튜닝으로 학습을 시키는 형태로 가능할 것 같습니다. 감사합니다.

안녕하세요, @twc님, 어떤 API 사용중에 발생한 것인지 알 수 있을까요? 그리고 괜찮으시면 request 내용도 알려주시면 도움이 될 것 같습니다. 감사합니다.

안녕하세요, @김재복님, ▼ 테스트앱을 생성하신 후, 플레이그라운드 화면 내 우측 상단에 위치한 ‘공유’ 버튼을 눌러 ‘공유 URL’을 생성해주세요. ▼ 그 이후에 서비스앱 신청 화면에서 신청할 작업에 생성해두신 ‘테스트앱’을 확인하실 수 있습니다. 테스트 앱은 테스트를 위한 임시 API입니다. 사용 제한이 있으며, 실서비스 구현을 위해서는 반드시 서비스 앱 신청을 완료해야만 합니다. 감사합니다.

안녕하세요, @wyatt님, 답변이 늦어져 죄송합니다. 저희쪽에서 확인 한 결과 outputText로 "" 빈 스트링 값이 나왔습니다. 다른 인풋으로 테스트 했을 때는 결과가 나오는 경우도 있어서 빈 스트링이 정상적인 인퍼런스 결과인 것으로 봐야 할 것 같습니다. 빈 스트링으로 나온 이유에 대해서 파악을 위해서는 데이터셋을 받아서 분석해봐야 할 것 같습니다. 번거로우시겠지만 아래 링크에서 로그인 후 문의 및 데이터셋 전달이 가능하시면 원인 파악을 해보도록 하겠습니다. https://www.ncloud.com/support/question/service 감사합니다.

@powerwarez님, 안녕하세요, 이용에 불편을 드려 죄송합니다. 정확한 실패 사유 확인을 위해서는 자세한 작업 정보가 필요하여 문의 채널로 안내드렸습니다. 본 오류는 문의 채널을 통해 안내드리도록 하겠습니다. 감사합니다.

안녕하세요, @powerwarez님, 정확한 내용 확인을 위해 번거로우시겠지만 아래 링크에서 로그인 후 문의 남겨주시면 원인 확인 후 답변 드리겠습니다. https://www.ncloud.com/support/question/service 감사합니다.

안녕하세요, @hel2o님, 클로바 스튜디오를 이용해주셔서 감사합니다. 1. 하이퍼클로바 언어모델은 시퀀스 기반으로 다음에 나올 단어를 예측해서 답변을 합니다. 그래서 입력값에서부터 실행을 하기때문에, 첨부 주시는 것처럼 이어써지는 현상이 발생할 수 있습니다. 이 경우에는 '코드:' 처럼 실행해야할 조건을 명시해두고 실행을 하는 것이 크게 도움이 될 수 있습니다. 예제에도 '코드:' 형태로 적어주시고, 입력값 뒤에도 '코드:'를 적은 뒤, 실행하는 것입니다. 2. Stop sequence에 ###라고 적었다면, 예제와 예제 사이에도 ###를 넣으셔야 합니다. 위에 첨부 이미지에서는 예시와 예시 사이에 ###가 보이지 않습니다. ###를 넣어보시고 실행해보세요. 3. 현재 클로바 스튜디오에서는 단어 필터링 기능을 제공하지 않고 있습니다. 특정 단어 필터링의 경우 후처리로 별도로 구현하셔야 할 듯 합니다. 감사합니다.

@albeniz 님, 네 맞습니다. 튜닝 진행 시 데이터셋의 completion을 원하시는 포맷으로 작성하시면, 해당 포맷에 모델이 최적화 되며, 해당 포맷 형태로 출력을 합니다. 말씀대로 "문장: 무향으로 자극없이... 키워드: 모이스쳐 프리미엄 워시, 무향, 보송함" 형태로도 가능할 것이며, "keywords":[] 형태로도 가능할 것입니다. 다만, 6월29일 정기 배포를 통해 튜닝의 성능이 더욱 개선될 예정이라, 해당 작업의 경우 배포 이후에 진행하시는 것을 추천드립니다. 감사합니다.

@알아가는중입니다님, 시스템 구조적으로 특정 케이스에서 오류 응답을 내려주고 있는데, 이를 개선하여 6월 29일 이후에는 해당 현상이 발생하지 않을 것으로 보입니다. 감사합니다.

안녕하세요, @albeniz님, 모델의 생성 결과를 특정 포맷으로 받는 것을 생각하시는게 맞을까요? 아래 이미지와 같이, result 영역의 포맷을 예제로 넣으신 후, 진행하실 수 있을 것 같습니다. 현재 플레이그라운드와 API에서는 text 형태로 전달을 하기 때문에, 분리를 하는 것은 후처리로 진행하셔야 할 듯 합니다. 감사합니다.

안녕하세요, @hel2o님, 클로바 스튜디오 담당입니다. 플레이그라운드에서 작업을 만드신 후 테스트 앱 발급을 통해 curl, phython 형식으로 API를 확인하실 수 있습니다. API 연동을 통해 필요하신 json 형식으로 활용가능하실 것으로 보입니다. 테스트앱 생성 가이드 https://guide.ncloud-docs.com/docs/clovastudio-playground01 Completion API 가이드 https://api.ncloud-docs.com/docs/ai-naver-clovastudio-completion 감사합니다.

안녕하세요, @이야기꾼님, 클로바 스튜디오에 많은 관심을 가져주셔서 감사합니다. 열심히 준비중이며, 곧 좋은 소식 안내드리겠습니다.

안녕하세요, @알아가는중입니다님, 서비스 이용에 불편을 겪으셨을텐데요. 6월29일 배포를 통해, 정상적으로 이용 가능할 것으로 보입니다. 배포 이후에도 지속적으로 문제가 발생할 경우, 아래 링크를 통해 문의 접수 부탁드립니다. https://www.ncloud.com/support/question/service 감사합니다.

안녕하세요, @crispy님, 클로바 스튜디오를 이용해주셔서 감사드립니다. 현재 1tps를 지원하고 있습니다. 따라서 1초에 1번으로 이용하는 것으로 처리 부탁드립니다. 테스트앱과 서비스앱의 tps는 다르게 적용되어있습니다. 감사합니다.

안녕하세요, @이야기꾼님, 현재 슬라이더를 통해 세부 조절하는과 숫자 영역 선택 후 입력 필드 입력을 지원하고 있습니다. 알수 없는 이유로 웹에서 발생하는 오류로 보이며, 현재 저희쪽에서 살펴보고 있으나 재현이 되지 않아서 원인 파악이 어려운 상황입니다. 오류가 발생하는 경우, 번거로우시겠지만 플레이그라운드를 다시 띄워서 작업 부탁드립니다. 혹시라도 문제 현상이 지속적으로 발생하는 경우, 재현 절차와 함께 회신 주시면 해결에 도움이 될 것 같습니다. 감사합니다.

안녕하세요, @albeniz님, 클로바 스튜디오 담당입니다. 튜닝은 현재 Text과 Completion 형태의 데이터셋만 지원하고 있습니다. 예를들어, 제품아이디|피부|피부자극|가격 등의 여러 속성이나 자연어로 구성된 질문을 Text로 구성하시고, 해당 속성에 해당하는 제품ID를 Completion으로 구성하는 방식입니다. 단, 생성모델 특성상 정확한 제품ID내에서 선택되는 것에는 한계가 있을 수 있으며, 자세히는 튜닝 테스트를 해봐야 알 수 있을 듯 합니다. 감사합니다.

안녕하세요, @albaam님, 우상단 프로필 영역 > 내 작업 메뉴 > 익스플로러 탭의 프롬프트에서 작업하신 항목의 오른쪽에 있는 더보기(...) 메뉴를 선택하시면 삭제 버튼을 확인하실 수 있습니다. 작업 삭제를 한 경우, 작업을 되돌릴 수 없으니 이 점 유의 부탁드립니다. 감사합니다.

바쁘다 바빠 현대사회! 대부분 사람들은 이와 유사한 경험을 한 적이 있을 것입니다. 길고 복잡한 글이나 문서를 읽어야 하지만 시간이 부족한 경우 말이죠. 만약 긴 글을 간략하게 요약해서 파악할 수 있다면 어떨까요? 아마 더 많은 문서를 이전보다 빠르게 훑어볼 수 있어 업무 생산성을 높일 수 있을 것입니다. 오늘은 요약 API를 소개해 드리겠습니다. 이 API는 하이퍼클로바 언어 모델을 기반으로 문서에서 핵심 내용을 추출하여 요약문을 생성할 수 있습니다. 이 기능을 활용함으로써, 기업은 대량의 문서를 빠르게 분석할 수 있으며, 사용자는 여러 뉴스나 기사를 빠르게 습득할 수 있습니다. 또한 교육 분야에서는 핵심 내용을 강조하여 학생들이 쉽게 이해할 수 있도록 활용할 수 있습니다. 그뿐만 아니라, 요약 기능은 수 많은 문서를 손쉽게 처리할 수 있어 리서치 시간을 획기적으로 줄여줄 것입니다. 이전에는 몇 시간을 소비하여 문서를 훑어봐야 했지만, 요약 API를 활용하면 수 시간을 아낄 수 있을 것입니다. 요약 API 활용하기 사용법은 매우 간단합니다. 클로바 스튜디오의 익스플로러 메뉴에서 ‘요약’ API를 선택하고, 테스트 앱 생성을 생성한 후, curl과 python 코드를 활용하여 요약을 요청하는 방식입니다. ▼ 요청 바디에는 요약할 글을 입력하면, API는 핵심 내용을 추출하고 요약된 결과를 반환합니다. 문단을/주제/단위로/구분하기 요약 API는 긴 분량의 문서에서 문단을 나누면서 요약을 수행합니다. ▼ 긴 분량의 문서를 주제 단위로 단락을 구분해주고, 각각의 단락을 요약함으로써 긴 문서도 요약이 가능한 것이죠. ▼ 문장 간 유사도를 계산하여 주제 단위로 단락을 구분합니다. 이때, 문단을 나누는 데 필요한 설정값도 지원됩니다. 예를 들어, SegCount 설정값은 문단을 나눌 개수를 조절할 수 있습니다. SegCount 값을 -1로 설정하면, 모델이 자동으로 문단 나누기를 수행합니다. 또한, segMaxSize와 segMinSize를 이용하여 한 단락 안에 포함할 글자 수를 제어할 수 있습니다. 이러한 설정값을 적절히 활용하면, 요약문 분량을 제어할 수 있기도 합니다. 문단을 나누면서 요약을 수행하기 때문에 문서의 뒷부분이 요약에서 누락되지 않습니다. ▼ 요약의 결과를 살펴볼까요? 문서의 전반적인 주요 내용을 골고루 담고 있는걸 볼 수 있죠. 이전에는 생성 모델이 원문에 없는 내용을 추출하거나 왜곡하는 등의 문제가 있었지만, 하이퍼클로바 요약 모델은 원문을 근거로 추출하도록 학습되어, 원문에 없는 내용이 발생하는 경우가 크게 줄어들었습니다. 이렇게 활용해보시는 건 어때요? ▼ 회의록의 내용을 파악하여 핵심 요약 결과를 생성할 수 있습니다. ▼ 이메일에서도 중요한 내용을 추려서 쉽게 파악할 수 있습니다. 우리는 웹 환경에서 시간을 많이 소비하고 있습니다. 하이퍼클로바의 요약 API는 이러한 시간 소비 부분을 획기적으로 줄여줄 것입니다. 앞으로 요약 API가 다양한 방법으로 우리들의 업무 생산성을 향상할 수 있기를 기대해 봅니다.

안녕하세요, @albeniz님, 클로바 스튜디오의 튜닝 기능을 이용하시면, 데이터셋에 최적화된 형태로 모델을 학습시킬 수 있습니다. 튜닝 가이드 참고 부탁드립니다. https://guide.ncloud-docs.com/docs/clovastudio-tuning01 감사합니다.

안녕하세요, @살구맛님, 클로바 스튜디오에 많은 관심 가져주셔서 감사드립니다. 원하는 출력 포맷으로 예제들을 구성하시면, 해당 포맷에 맞추어 출력을 하게 됩니다. 단, task를 복잡하게 구성하는 것보다는 출력 형식을 최대한 단순화 시키는 형태를 제안드립니다. 각 항목의 <ANSWER>를 분리해서 진행하시는 것을 권장합니다. 활용 예제 살펴보기: https://guide.ncloud-docs.com/docs/clovastudio-classification 튜닝 기능을 이용하시면, 원하시는 작업에 더욱 최적화된 결과를 얻으실 수 있습니다. 단, 이 경우에도, 말씀하신 형태로 데이터셋을 구성하면, 한번에 생성을 할 수는 있으나, 품질이 떨어질 수 있습니다. 튜닝 가이드 살펴보기: https://guide.ncloud-docs.com/docs/clovastudio-tuning Multiple은 플레이그라운드에서만 제공하고 있습니다. 1개 input에 대해서 여러 결과를 얻고 싶으시다면, 테스트 앱 발급을 하신 후 원하시는 개수만큼 n회 실행하는 형태로 구현 부탁드립니다. '이전입력내용 기억기능'이 히스토리를 말씀하시는거라면 클로바 스튜디오 내에서는 히스토리를 제공하지 않고 있습니다. API 응답 이력을 직접 참고 하셔야 할 것 같습니다. 감사합니다.